Analisis Performansi pada Penerapan Hukum Ketetapan Hardy-Weinberg dalam Algoritma Genetika

Abstract

Genetic algorithm often used to find optimal solution for the non-deterministic problems. The advantages of genetic algorithms contained on its ability to obtain global optima solution and is used to optimization. Genetic algorithm often modified for specific interests and goals. One aim is to optimize the desired solution of a particular problem by combining techniques or other methods into genetic algorithm. In this research, Traveling Salesman Problem (TSP) used to analyzed performance of genetic algorithm and Hardy-Weinberg equilibrium law. Hardy-Weinberg equilibrium law require randomized crossover, gene mutation does not occur, no migration and natural selection, and bigger population. Purpose of this research is to get the performance analysis of the application of the Hardy-Weinberg equilibrium law into genetic algorithm.

Algoritma genetika sering digunakan untuk penemuan solusi optimal pada permasalahan-permasalahan non-deterministik. Kelebihan algoritma genetika terdapat pada kemampuan mendapatkan solusi global optima sehingga digunakan untuk optimasi. Algoritma genetika sering dimodifikasi untuk kepentingan dan tujuan tertentu. Salah satu tujuannya adalah lebih mengoptimalkan solusi yang diinginkan dari suatu permasalahan tertentu dengan menggabungkan teknik atau metode lain ke dalam algoritma genetika. Teknik atau metode yang akan digabungkan ke dalam algoritma genetika dan dianalisis adalah hukum ketetapan Hardy-Weinberg dengan studi permasalahan yang digunakan adalah Traveling Salesman Problem (TSP). Dalam hukum ketetapan Hardy-Weinberg memiliki beberapa syarat yaitu persilangan dilakukan secara acak, tidak terjadi mutasi gen, tidak terjadi migrasi dan seleksi alam, dan jumlah individu dari suatu populasi selalu besar. Tujuan dari penelitian ini adalah mendapatkan hasil analisis performansi dari penerapan hukum ketetapan Hardy- Weinberg kedalam algoritma genetika dengan masalah utama untuk mendapat gambaran mengenai kaitan antara proses mutasi dan seleksi yang dihilangkan dengan performansi dari algoritma genetika.